A/B-testen

Verhoog je omzet met datagedreven optimalisaties

Waarom A/B-testen?

Het ligt voor de hand, maar meten is weten! Met A/B-testing kun je resultaten aantoonbaar maken. Zo weet je dus zeker dat wijzigingen die je doorvoert in ieder geval geen negatieve impact hebben op je conversie. Bovendien krijg je meer inzicht in je bezoekers. Wat namelijk voor de ene website goed werkt, werkt niet automatisch ook goed voor de andere website.

PIE-model

Het liefst zou je natuurlijk overal en alles tegelijkertijd willen testen. Maar vanwege beperkte tijd en resources is dit niet mogelijk en bovendien heb je genoeg verkeer voor elke test nodig. Daarom dien je keuzes te maken welke A/B-test(en) je als eerste gaat uitvoeren. Prioriteren waar je energie in steekt, geeft je een beter rendement door nadruk te leggen op pagina’s die belangrijk zijn voor je bedrijf.

Om de A/B-testen te prioriteren maken wij gebruik van het PIE-model. Het PIE-model bestaat uit drie criteria die je in overweging moet nemen bij het bepalen welke pagina’s je gaat testen en in welke volgorde: Potential, Importance en Ease.

  • Potential = Hoeveel verbetering is er mogelijk op deze pagina(‘s)?
  • Importance = Hoe waardevol is het verkeer op deze pagina(‘s)? (hoogste volume en duurste verkeer)
  • Ease = Hoe moeilijk of hoeveel werk is het om te implementeren? (tijd en resources)

Elke component krijgt een score van 1-10. De PIE-score wordt berekend door het gemiddelde van deze 3 scores. Hoe hoger de score, hoe hoger de prioriteit.

  • Data gedreven
  • Hogere conversie
  • Leer je bezoekers kennen

Wat is A/B-testen?

A/B-testen (ook wel bekend als split testen) is een methode waarbij twee of meer versies van een webpagina met elkaar worden vergeleken om te bepalen welke versie beter werkt. Met A/B-testen voer je een experiment uit waarbij bezoekers willekeurig één van de twee (of meerdere) varianten van een pagina krijgen te zien. Met statistische analyse wordt bepaald welke variant beter presteert voor een bepaald conversiedoel. Voorafgaand aan de test wordt onderzoek gedaan en op basis daarvan wordt een hypothese opgesteld over het verwachte testresultaat.

A/B-test tooling

Voor het uitvoeren van A/B-testen gebruiken wij de tool Google Optimize. Een groot voordeel van Google Optimize is dat deze kosteloos is. Een ander voordeel is dat er een directe koppeling met Google Analytics is, waardoor je de testgegevens direct in Google Analytics kunt zien en je kunt Google Analytics doelen en events kunt inzetten als testdoelen. Hierdoor is het een laagdrempelige tool en daarmee geschikt voor bijna al onze klanten.

Samen de hoogste conversiestijging behalen?